Кто-нибудь знает, как я могу удалить перехват моей модели при выполнении перекрестной проверки?Я уже пытался использовать «-1» или «+0» в моей формуле, но ничего.Как вы можете видеть на моем скрипте, мой R2 слишком низок, и это, вероятно, из-за моего перехвата.В моем случае мне разрешено удалить его, так как я моделирую удаление патогенных микроорганизмов в журнале, поэтому, если нет входных данных (по моей оси x), у меня не может быть выходных данных (по моей оси y).Заранее благодарю за любую помощь !!
##Repeated K-fold cross-validation approach##
Data_1<- read_excel("Data.xlsx", sheet = "3_factors_FWS")
Model_1<-lm(Y1~X1+X2+X3,Data_1)`
## Define training control
set.seed(123)
train.control<-trainControl(method = "repeatedcv", number = 10,repeats = 3)
## Train the model
Data_1_CV<-train(Y1~X1+X2+X3,data=Data_1,method="lm", trControl=train.control)
## Summarize the results
print(Data_1_CV)
> Linear Regression
107 samples
3 predictor
No pre-processing
Resampling: Cross-Validated (10 fold, repeated 3 times)
Summary of sample sizes: 96, 96, 95, 95, 95, 97, ...
Resampling results:
RMSE Rsquared MAE
0.9669935 0.3805181 0.769322
Tuning parameter 'intercept' was held constant at a value of TRUE
summary(Data_1_CV)
> Call:
lm(formula = .outcome ~ ., data = dat)
Residuals:
Min 1Q Median 3Q Max
-2.0995 -0.6317 -0.1058 0.5785 2.4192
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.28819 0.26532 1.086 0.27992
X1 0.24990 0.04306 5.803 7.24e-08 ***
X2 -0.26891 0.07976 -3.371 0.00105 **
X3 0.16527 0.06283 2.630 0.00984 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.9694 on 103 degrees of freedom
Multiple R-squared: 0.3525, Adjusted R-squared: 0.3337
F-statistic: 18.69 on 3 and 103 DF, p-value: 9.334e-10